[发明专利]一种基于边缘增强和失真估计的混合失真图像复原方法

权利要求书

1.一种基于边缘增强和失真估计的混合失真图像复原方法，其特征在于，包括：

获取待复原图像；其中，所述待复原图像包括一种或多种失真；

将包括一种或多种失真的所述待复原图像输入图像复原模型，所述图像复原模型包括特征提取模块、边缘检测模块、失真估计模块和图像重建模块，其中：

所述图像复原模型将所述待复原图像输入所述特征提取模块，得到所述待复原图像的图像特征图；

将所述待复原图像的图像特征图输入所述边缘检测模块，根据所述边缘检测模块的输出，得到边缘图像；

将所述待复原图像的图像特征图输入所述失真估计模块，对所述待复原图像中的失真信息进行估计，得到所述待复原图像的失真向量；

将所述图像特征图、所述边缘图像和所述失真向量输入所述图像重建模块，根据所述图像重建模块的输出，得到所述待复原图像的复原图像。

2.如权利要求1所述的方法，其特征在于，所述特征提取模块由1个卷积层和m个残差块组成，每个残差块包含2个3×3的卷积层，2个卷积层之间使用LeakyReLU激活函数进行激活；其中，5m10。

3.如权利要求1所述的方法，其特征在于，所述边缘检测模块由n个残差块、2个卷积层和1个LeakyReLU激活函数组成；其中，5n10。

4.如权利要求1所述的方法，其特征在于，所述失真估计模块由1个下采样层、1个全局平均池化层、3个全连接层、2个LeakyReLU激活函数和1个Sigmoid激活函数组成；其中，所述下采样层采用步长为2的2×2卷积层。

5.如权利要求1所述的方法，其特征在于，所述图像重建模块由3个卷积层、p个特征融合块和1个LeakyReLU激活函数组成；其中，20p40。

6.如权利要求5所述的方法，其特征在于，每一个所述特征融合块由4个卷积层、2个LeakyReLU激活函数、1个全连接层和1个Sigmoid激活函数组成。

7.如权利要求1所述的方法，其特征在于，在所述图像复原模型的训练过程中，还包括：

将样本图像作为待训练图像复原模型的输入，根据所述待训练图像复原模型的输出和所述原始图像的对比，确定模型损失函数为：

其中，N为样本图像的批量大小，为所述待训练图像复原模型复原后的图像、为样本图像，λ为第一平衡因子，为失真估计模块估计出的样本图像的边缘图像、为样本图像的真实的边缘图像，μ为第二平衡因子，为失真估计模块估计出的样本图像的失真向量、为样本图像的真实的失真向量；

对所述待训练图像复原模型进行迭代训练；

根据所述迭代训练的训练结果，确定最终的所述图像复原模型。